Teknologi Survei Laut
Klasifikasi Sedimen Dasar Laut lewat Analisis Backscatter Akustik
Jangan mengira survei multibeam atau side-scan sonar hanya berguna untuk mengukur kedalaman air. Lebih dari itu, setiap pulsa akustik yang memantul kembali ke sensor membawa informasi vital mengenai tingkat kekuatannya. Karakteristik pantulan ini berubah drastis sesuai dengan jenis material yang ditemuinya; respons balik dari batuan keras akan sangat berbeda dengan lumpur lunak, begitu pula pemisahan antara area kerikil dan pasir halus. Teknik klasifikasi backscatter akustik membaca komposisi dasar laut dari variasi kekuatan pantulan tersebut. Metode ini mengonversi dataset akustik full-coverage menjadi peta sebaran sedimen yang komprehensif tanpa keharusan mengambil sampel fisik (grab sampling) di setiap koordinat.
Dari Bentuk Gema ke Jenis Dasar Laut
Sebelum multibeam echosounder umum dipakai, surveyor sudah tahu bahwa gema balik dari echosounder membawa informasi lebih dari sekadar kedalaman — bentuknya berubah tergantung apa yang dipantulkannya. Sistem yang dikembangkan di Inggris pada akhir 1980-an dan dipublikasikan oleh Chivers, Emerson, dan Burns pada 1990 mengubah pengamatan itu jadi alat praktis. Dikomersialkan sebagai RoxAnn oleh Marine Micro Systems asal Aberdeen, Skotlandia, sistem ini bekerja dengan memecah gema balik single-beam echosounder jadi dua ukuran energi: E1, integrasi parsial dari ekor gema pertama, terkait kekasaran dasar laut; dan E2, integrasi penuh dari gema kedua yang sudah memantul dasar laut–permukaan–dasar laut, terkait kekerasan. Beberapa tahun kemudian muncul pesaing digital berbasis software bernama QTC-View, menerapkan fisika serupa lewat pemrosesan sinyal, bukan hardware analog khusus. Keduanya, pada intinya, adalah acoustic ground discrimination system — instrumen yang menumpang di echosounder yang sudah ada, bukan menggantikannya, mengekstrak jenis dasar laut dari gema yang memang sudah direkam untuk kebutuhan kedalaman.
Apa Sebenarnya yang Diukur Backscatter
Backscatter adalah bagian dari pulsa akustik yang kembali ke receiver sonar setelah diserap, dipantulkan, dan dihamburkan oleh dasar laut. Berapa banyak energi yang kembali, dan dalam pola seperti apa, tergantung pada frekuensi suara, sudut datang pulsa ke dasar laut, serta sifat fisik dasar laut itu sendiri — ukuran butir, densitas, kekasaran, dan seberapa banyak pulsa menembus ke dalam sedimen sebelum terhambur balik (volume scattering) dibanding langsung memantul dari permukaan. Dasar laut yang keras dan kasar seperti batu atau kerikil kasar cenderung memantulkan sinyal kuat dan terang; sedimen lunak dan halus seperti lumpur cenderung memantulkan sinyal lebih lemah dan gelap. Hubungan tunggal itu — kekuatan sinyal sebagai proksi kasar untuk kekerasan dan kekasaran dasar laut — adalah yang coba dipertajam dan dibuat lebih andal oleh setiap metode klasifikasi akustik sejak RoxAnn.
Dari Single-Beam ke Full-Swath: Era Multibeam
Multibeam echosounder (MBES) mengubah skala persoalan ini. Alih-alih satu berkas sempit yang merekam bentuk gema tepat di bawah kapal, MBES merekam backscatter di seluruh swath, pada sudut datang yang terus berubah dari tepat di bawah transduser sampai ke ujung swath. Variasi itu ternyata berguna tersendiri: cara kekuatan backscatter berubah terhadap sudut datang — angular response-nya — diperlakukan sebagai sifat intrinsik dasar laut, yang berkorelasi cukup erat dengan ukuran butir rata-rata sehingga bisa dipakai sebagai prediktor ukuran butir. Belakangan, sistem MBES "multispektral" yang merekam backscatter pada lebih dari satu frekuensi operasi dikembangkan untuk menambah satu dimensi diskriminasi lagi; sebuah studi di Laut Utara menemukan bahwa mengombinasikan frekuensi rendah (sekitar 30 kHz) dengan frekuensi lebih tinggi (95–300 kHz) meningkatkan diskriminasi sedimen dan habitat dibanding frekuensi tunggal mana pun.
Mengubah Backscatter Jadi Peta Klasifikasi
Kekuatan backscatter mentah saja masih berisik dan sangat bergantung pada cara pengambilannya, jadi sebagian besar pekerjaan klasifikasi sebenarnya terjadi setelah data dikumpulkan. Metode klasifikasi sedimen akustik berbasis Bayesian bekerja dari minimal tiga parameter geoakustik — ukuran butir rata-rata, parameter kekasaran, dan parameter volume scattering — yang diturunkan dari data backscatter, lalu menetapkan tiap bagian dasar laut ke kelas sedimen yang paling mirip secara statistik. Pendekatan machine learning mendorong ini lebih jauh: metode supervised, seperti model Random Forest yang dilatih dari turunan kurva angular response, sudah dipakai mengklasifikasikan tipe habitat bentik, dengan penambahan fitur angular response meningkatkan akurasi klasifikasi dari sekitar 88,5% jadi 93,6% dalam satu perbandingan. Pendekatan unsupervised, mengombinasikan self-organizing map dengan hierarchical clustering, dipakai mengelompokkan area dasar laut jadi "facies" angular response tanpa perlu data pelatihan berlabel sama sekali. Semua ini tidak muncul begitu saja — setelah sebuah lokakarya tahun 2013 menyimpulkan bahwa akuisisi dan pemrosesan backscatter masih terlalu tidak konsisten antar sistem dan operator, GeoHab Backscatter Working Group dibentuk khusus untuk menstandardisasi praktik ini, menerbitkan panduan dan rekomendasinya pada Mei 2015.
Di Mana Ini Berguna dalam Praktik
Untuk rekayasa lepas pantai, peta sedimen hasil backscatter langsung masuk ke desain fondasi, perencanaan rute kabel dan pipa, serta penilaian risiko scour, karena tahu apakah dasar laut itu lumpur lunak atau batu keras mengubah cara struktur atau kabel berinteraksi dengannya. Untuk pengerukan, klasifikasi yang sama membedakan material yang ekonomis untuk diangkat dari yang tidak, sebelum satu bucket pun menyentuh dasar laut. Untuk kerja lingkungan, ini mendukung pemetaan habitat bentik pada skala yang tidak praktis dicapai lewat sampling saja, menopang perencanaan konservasi dan asesmen regulasi. Semua ini tidak menghilangkan ground-truthing sepenuhnya — studi tetap memasangkan klasifikasi backscatter dengan sampel fisik grab atau core (grab Van Veen, dalam satu studi kasus di Laut Utara) untuk mengkalibrasi dan memvalidasi kelas akustiknya — tapi rasionya berubah drastis: survei yang dulu perlu grid sampel fisik rapat di seluruh area kini bisa mengumpulkan backscatter secara full-coverage dan memvalidasinya terhadap titik ground-truth yang jauh lebih jarang. Satu studi di eastern English Channel, mengombinasikan backscatter, batimetri, kemiringan (slope), dan rugositas jadi satu klasifikasi, melaporkan akurasi keseluruhan 88,2% terhadap data ground-truth.
Kesimpulan
Multibeam echosounder (MBES) telah lama merekam data backscatter, meski awalnya hanya menjadi produk sampingan dari data batimetri. Dari analisis dua angka RoxAnn (1990) hingga klasifikasi multispektral berbasis machine learning saat ini, lompatan teknologi berhasil meningkatkan keandalan pembacaan sinyal tanpa perlu menghentikan kapal untuk mengambil sampel sedimen. Pengambilan sampel fisik (grab sampling) tetap krusial sebagai acuan kalibrasi model akustik, namun aplikasinya kini tidak perlu lagi dilakukan di setiap titik koordinat survei.
Referensi
- Hamilton, L.J. — Acoustic Seabed Classification Systems, Defence Science and Technology Organisation
- GeoHab Backscatter Working Group — Backscatter Working Group
- Lurton, X., Lamarche, G., dkk. — Backscatter Measurements by Seafloor-Mapping Sonars: Guidelines and Recommendations
- MDPI Geosciences — Seafloor Characterization Using Multibeam Echosounder Backscatter Data: Methodology and Results in the North Sea
- MDPI Geosciences — A Multispectral Bayesian Classification Method for Increased Acoustic Discrimination of Seabed Sediments
- ScienceDirect — Predictive Mapping of Seabed Cover Types Using Angular Response Curves of Multibeam Backscatter Data
- Frontiers in Remote Sensing — Integrating Angular Backscatter Response Analysis Derivatives Into a Hierarchical Classification for Habitat Mapping
- ICES Journal of Marine Science — Acoustic Classification of Seabed Habitats Using the QTC VIEW System
- GeoGarage Blog — Utilizing Hydrographic Backscatter Data
Artikel Terkait
